Jika tolak H berarti secara bersama-sama variabel bebas independent
dalam model berpengaruh nyata terhadap variabel tidak bebas dependent pada taraf nyata
α persen, demikian pula sebaliknya. Kriteria uji:
Probability F-Statistic taraf nyata
α, maka tolak H dan simpulkan minimal
ada variabel bebas independent yang mempengaruhi variabel tidak bebas dependent.
Probability F-Statistic taraf nyata
α, maka terima H dan simpulkan tidak ada
variabel bebas independent yang mempengaruhi variabel tidak bebas dependent.
3.3.3. Uji t
Uji t dilakukan untuk melihat apakah variabel independen berpengaruh nyata terhadap variabel dependen.
Hipotesis: H
: β
k
= 0 yang artinya variabel independen-k tidak mempengaruhi variabel dependennya.
H
1
: β
k
≠ 0 atau β
k
0 atau β
k
0 yang artinya variabel independen-k mempengaruhi variabel dependennya.
Uji statistik yang digunakan: t
hitung
=
t
tabel
= t
α
n-k dimana,
b
i
Sb
i
Sb
i
= Standar deviasi parameter untuk b
i
b
i
= Koefisien ke-i yang diduga n
= Jumlah pengamatan k
= Jumlah parameter t
hitung
t
tabel,n-k
maka tolak H Jika tolak H
berarti secara variabel independen dalam model berpengaruh nyata terhadap variabel dependen pada taraf nyata
α persen, demikian pula sebaliknya.
Kriteria uji: Probability t-Statistic
α, maka tolak H dan simpulkan variabel independen-k
bepengaruh secara signifikan terhadap variabel dependennya. Probability t-Statistic
α, maka terima H dan simpulkan variabel independen-k
tidak mempengaruhi variabel dependennya secara signifikan.
3.3.4. Uji Normalitas
Jika jumlah sampel data yang digunakan kurang dari 30, maka perlu dilakukan uji normalitas, karena jika sampel datanya lebih dari 30 akan error term
yang terdistribusi normal. Hipotesis:
H = error term terdistribusi normal
H
1
= error term tidak terdistribusi normal Kriteria:
Jika nilai probabilitasnya taraf nyata, maka terima H dan kesimpulannya error
term terdistribusi normal, begitu juga sebaliknya.
3.3.5. Uji Multikolinearitas
Asumsi ini menyatakan bahwa adanya korelasi yang kuat pada sesama variabel bebas. Jika ada hubungan linier antara dua atau lebih variabel bebas maka
dikatakan terjadi multikolinearitas, dan itu merupakan penyimpangan asumsi. Tingkat multikolinearitas dianalisis menggunakan matriks korelasi dengan
melihat nilai antar variabel independennya. Jika nilai antar variabel independennya lebih besar dari
│0,8│ maka terjadi masalah multikolinearitas, namun menurut uji Klien jika nilai antar variabel independennya lebih besar dari
│0,8│ maka masalah multikolinearitas dapat diabaikan selama nilai korelasi antar variabel bebasnya tidak melebihi nilai Adjusted R-squared. Selain itu, dapat pula
dilihat melalui besarnya nilai VIF Variance Inflation Factor. Jika nilai VIF sangat besar mendekati sepuluh maka terjadi hubungan linier antar variabel
multikoliniearitas. Rumus dari VIF yaitu: VIF
=
j = 1,2,...,k dimana,
VIF = Variance Inflation Factor
R
j 2
= Koefisien determinasi dari regresi variabel bebas ke-j
3.3.6. Uji Autokorelasi
